考慮多個虛擬發電廠參與的多階段市場交易方法

劉繼春，唐虎，向月，劉俊勇，張鈴珠

(1.四川大學電氣信息學院，成都市610065;2.國網寧夏電力公司經濟技術研究院，銀川市750000)

考慮多個虛擬發電廠參與的多階段市場交易方法

劉繼春1，唐虎1，向月1，劉俊勇1，張鈴珠2

(1.四川大學電氣信息學院，成都市610065;2.國網寧夏電力公司經濟技術研究院，銀川市750000)

隨著智能電網的發展，分布式電源(distributed generation，DG)廣泛接入電力系統。然而以風能和太陽能為代表的單個DG對大電網來說視為不可見，在參與市場交易時存在諸多不利因素。考慮多能源資源的影響，建立了由DG、負荷以及儲能組成的虛擬發電廠(virtual power plant，VPP)模型，同時將多個VPP進行互聯，在滿足各自VPP內部供需平衡的基礎上，讓盈余電量在VPP集群間進行共享，實現多階段市場交易。提出的交易方法以VPP內部和網間的交易收益最大化為優化目標函數，以盡可能消納可再生能源為目的，同時計入需求響應(demand response，DR)策略，得到網內用戶科學用電計劃、網間合理報價結果，為實現多個VPP健康靈活交易提供參考。

虛擬發電廠(VPP);分布式電源(DG);集群;需求響應(DR);報價策略;交易方法

0 引言

能源枯竭、環境污染等問題使各國電力系統不斷尋求新的能量供應資源，逐步增加了對分布式電源(distributed generation，DG)的利用［1］。國際能源署《世界能源展望2015》指出可再生能源和更加高效的終端能源利用技術成本將持續下降，政策會更加優先考慮低碳能源。面對日益嚴峻的能源、環境、氣候變化挑戰，必須立足世界能源資源稟賦，加快推動能源革命，實現清潔能源高效開發利用［2］。

虛擬發電廠(virtual power plant，VPP)作為主動配電網的一種體現形式，以DG為主要的能源供應，而DG因其出力間歇性、隨機性等特點，通常方法是采用微網對地理位置相同的DG和負荷進行協調管控，來解決主動配電網和DG間的技術問題［3］。正因為微網以就地應用為主要的控制目標，因而受到地理區域的限制，并且對不同地區、不同規模的DG有效利用和參與市場運營也有一定的局限性［4］。DG作為單個實體，因其容量小，對大電網來說是不可見的，甚至是不可控的，其無法有效地參與到電力市場中去。從現階段我國電力系統的發展歷程來看，多樣化的風險水平不足以支撐DG的長期市場交易合同，VPP作為DG的并網形式最具創造力和可行性［5］。不少文獻對VPP做了研究，文獻［6］在考慮VPP的電量平衡和相應網絡約束，利用VPP內DG不平衡競價模型解決了VPP參與主網能量市場和備用市場中的競價策略。文獻［7］提出聯合風電機組和電動汽車的VPP參與市場交易，建立基于線性規劃的VPP運行模型，通過對風電場、電價和電動汽車的真實數據仿真，分析主網和電動汽車的調度對VPP收益影響。文獻［8］中的VPP將能源風險評估考慮到市場交易過程中，為小容量風電機組接入配電網產生的高成本、無法參與市場交易問題提供了解決途徑。文獻［9］考慮多電力市場和多電力用戶之間的關系，建立了雙層博弈模型，電力市場間為非合作博弈，電力用戶間為演化博弈。以上研究僅考慮VPP直接同外部電力市場交易，未對VPP自身供用電策略以及多個VPP集群之間交易策略進行描述。

基于上述問題，本文考慮在主動配電網交易環境下，不考慮VPP之間的物理連接情況，構造了VPP能源自用、互用和電網交互的不同情況。用戶首先直接購用所屬VPP電能，同時多余電能在不同VPP間進行共享，最后同外部電力市場交易，如圖1所示。對于不同VPP系統而言，其構造形式也各不相同，但基本都包含DG(太陽能或風能等)、負荷及儲能。多個VPP的供電策略可分為3個階段進行描述:第1階段為VPP為自身負荷供電，如圖1中VPP1所示;第2階段為多個VPP集群之間進行互補供電，如圖1中VPP2所示;第3階段為多VPP聚合成整體同外部電力市場交易，可以實現逆向售電。第3階段中，VPP在集群間出現供電缺額將直接從外部電力市場購買，同時對于多余的電量直接出售給外部電力市場，本文主要研究多個VPP的內部與交互交易，對于VPP集群整體盈余/缺額電量與外部電力市場的交易策略以及儲能充放電運行成本將在以后工作中研究討論。

圖1 多個VPP結構Fig.1 StructureofVPPs

VPP與傳統電網的區別在于，前者不再是大型發電機的集合，而是聚合多種不同形式的發電、用電單元，更加趨向于微型化、智能化。對VPP的研究和實施情況主要在歐洲和北美，據國際權威機構Pike Research公布的數據顯示，截至2013年底，全球的VPP總產能容量突破3 800 MW，預計到2020年產能將達到15 400 MW［10］，我國對于VPP的研究處于起步階段。VPP目前沒有一個國際普遍通用的定義，但其基本構成元素如圖2所示。這些元件運用諸如控制協調技術、信息通信技術、智能計量技術等將DG聚合在一起協調運行，并參與到能量市場和電力輔助服務市場［11］。

圖2 VPP組件示意圖Fig.2 VPPcomponents

歐洲和北美對VPP的應用研究各有側重點，以歐盟、荷蘭和德國為代表的歐洲示范項目，主要研究DG的并網和電力市場運營，使DG能更安全、更充裕、更可靠地參與到電力市場中;以美國為代表的北美示范項目，主要研究需求響應計劃和對可再生能源的利用，實現動態、實時供需平衡是VPP基本運行規則［12］。對于單個太陽能或風能而言，因其容量有限，對大電網而言被視為不可見，導致其參與外部電力市場較為困難。本文進一步將供用電單元組成的VPP系統進行互聯，構成的VPP集群由能量管理系統(energy management system，EMS)進行統一協調控制管理［13］。

本文在構建VPP的元件模型基礎上，計入需求響應模型，分別建立第1階段中VPP內部交易以及第2階段VPP的網間交易模型，提出算法流程并通過算例驗證，證明了本文所提模型的正確性，為制定多個VPP供電單元和負荷用戶的發用電計劃提供了參考。

1 VPP元件模型

1.1 VPP用戶模型

用戶在電力批發市場或電力系統可靠性受到威脅時，接受供電方發出的誘導性增加或減少負荷的補償通知或用電價格改變通知信息，做出電力消費形式的變化行為即需求響應(demand response，DR)［14］。DR可以減少電力消耗曲線的峰谷差，同時平衡電力供需，引導和推動用戶科學、合理地進行電力消費，不僅可以減少用戶的電費，而且可以緩解電網的壓力［15］。本文模型考慮基于價格的DR，通過DR將轉移部分用電高峰負荷到低谷時期，由此帶來的新的需求平衡可以表示為:

1.2 VPP供用電單元模型

對于不同的發電單元都遵循自主發電模式，同時受到EMS的統一協調控制，但是單一的發電單元很難實現穩定的電能輸出，VPP聚合風力發電和太陽能發電，可以利用其發電組合在空間和時間上的互補性，加上儲能的協同作用，來獲得較為經濟可靠的電能。VPP根據對歷史用電數據的分析和負荷邊界約束條件，確定風能、太陽能的發電曲線和儲能充放電行為［16］，本文建立VPP的供用電模型如下:

2 多個VPP的交易方法

電力負荷的用電首先從自身所在的VPP中獲得，在不能滿足的情況下，缺額電量通過報價，從其他VPP的盈余電量中獲得，最后，VPP集群的總體盈缺電量由外部電力市場供給。此種供電模式，有助于VPP的自主運行，減少對外部電力市場的依賴。下面分別建立第1階段VPP內部交易以及第2階段VPP的網間交易模型。

2.1 VPP內部交易模型

2.1.1 目標函數

內部交易的目標是VPP的內部收益最大化，它為內部負荷的售電收入與電力用戶由于DR所造成舒適度下降進行補償的差額，目標函數可寫為:

式中:R1i表示第1階段VPP i的內部收益;S1i表示第1階段VPP i的內部負荷售電收入;μi表示VPP i電力負荷對于用電舒適度的敏感系數;為內部負荷的售電電價，本文采用分時電價;表示t時刻DR前后的負荷差值。式(7)右側的第2項表示VPP對電力用戶由于DR所造成的舒適度下降進行補償的費用。

2.1.2 約束條件

(1)功率約束:

(2)用戶需求響應約束:

(3)儲能約束:

2.2 VPP的網間交易模型

第2階段根據第1階段優化后產生的盈余電量或負荷進行報價，考慮到:一方面，VPP采用獲得更大收益的報價可能會增加失去更多售電機會的風險;另一方面，使VPP有更大可能性交易成功的報價反而會降低VPP的收益，因此，好的報價策略是在這2種情況下取得均衡［17］。在完全開放的雙邊市場環境下，研究在VPP的網間購售電過程中，如何建立有效的報價策略具有重要的理論和實踐價值。當第1階段優化后的 VPP對外表現為輸出電能時，將這類VPP歸為賣方，對外表現為輸入電能時歸為買方，本文運用均勻分布建立VPP買賣雙方的叫價拍賣模型，求解貝葉斯納什均衡。

2.2.1 VPP的網間報價模型

假設在某交易時間內，買方需求的電量為E，賣方提供電量為W，若E＞W，則買賣雙方決定是否交易W電量，若E＜W，則買賣雙方決定是否交易W電量。設定在t時刻，賣方提供電量的價值為Ct，買方需求電量的價值為Vt，有:

式中:At為綜合考慮負荷量、電網運行狀態、市場電價和各種約束得到的賣方單位電量的價值;為第2階段賣方的供電電量;Bt為買方單位電量的價值為第2階段買方的需求電量。

完全開放的電力市場中，VPP買賣雙方同時報價，賣方報價為，買方報價為，一般雙方報價策略均服從線性分布函數如下:

2.2.2 基于貝葉斯模型的求解方法

對于VPP第2階段網間交易，賣方期望收益為

買方期望收益為

由非完全信息靜態博弈中的貝葉斯定理推導可知: VPP買賣雙方的最優報價應使其收益最大，即滿足:

賣雙方的交易才能成功，否則交易失敗。雙方的報價不一定在任何時候都滿足上述條件，對于第1輪報價失敗的情況下，VPP買賣雙方進入序貫報價階段，雙方要對自身最大期望利潤做出合理的讓步。針對VPP第1輪報價策略不能滿足交易的情況下，買賣雙方均對自己的報價策略設1個價格變動系數(，其中(。若存在買賣雙方在第2輪競價仍不能滿足的情況下繼續對價格變動系數進行修正，直到交易達成或最終失敗。

2.3虛擬發電廠交易流程

綜合上述，VPP內部和網間供用電雙方的交易通常需經過幾個階段:第1階段，VPP內部供用電雙方根據自身特性，按照利潤最大化原則，計入需求響應，確定供用電計劃;第2階段，將VPP第1階段盈余發電量或負荷量在VPP之間進行交易，通過判斷賣方要價和買方出價是否滿足貝葉斯均衡條件:若滿足，直接交易;若不滿足，通過調整修正價格變動系數重新要價和出價，直至滿足交易條件，若經過多次價格調整后仍不能滿足貝葉斯均衡條件，則交易失敗，進入第3階段，此時，VPP集群向外部電力市場購售電，交易流程如圖3所示。

圖3 交易流程Fig.3 Flowchartoftrading

3 算例仿真

3.1基礎數據

為驗證模型的正確性，本文選取某示范園區為例，該示范園區由多個太陽能DG、風能DG、儲能以及負荷構成的VPP。

算例中考慮4種不同類型的VPP，并選取某典型日作為研究對象，4種類型的VPP構成如下:VPP1包括太陽能DG(100 MW)、風能DG(80 MW)、負荷(可轉移和不可轉移總量為80 MW);VPP2包括太陽能DG(90 MW)、負荷(可轉移和不可轉移總量為90 MW);VPP3包括風能DG(90 MW)、負荷(可轉移和不可轉移總量為90 MW);VPP4包括太陽能DG(100 MW)。不同VPP的負荷預測及DG出力情況如圖4和圖5所示，不同VPP內部負荷售電電價如圖6所示，其中VPP4不含負荷，故圖4、6中沒有包括VPP4;取ζmax=10% ，

圖4 虛擬發電廠負荷預測值(MW)Fig.4 LoadforecastofVPP(MW)

圖5 DG出力預測曲線Fig.5 PredictiveoutputcurvesofDG

圖6 虛擬發電廠內部售電電價Fig.6 InternalelectricitysellpriceofVPP

3.2結果及討論

VPP4內部不存在負荷，所以其直接參與到第2階段報價過程中，對于不同VPP第1階段的優化結果和效益分別如圖7和表1所示。

圖7 不同虛擬發電廠內部優化結果Fig.7 InternaloptimizationresultsofdifferentVPPs

表1 不同虛擬發電廠第1階段收益Table1 ThefirststageprofitofdifferentVPPs TenThousandYuan 萬元

從圖7可見，風能DG、太陽能DG聯合供電系統(圖7(a))，由于風能和太陽能兩者出力在時間上存在互補性，優化后負荷波動性比較小;而僅依靠太陽能DG或風能DG的供電系統(圖7(b)或圖7(c))，優化后負荷波動比較大，此時VPP對負荷用戶補償也較大，同時，負荷用戶為實現自身舒適度需求，將部分負荷轉移到風能或太陽能DG發電量較多的時段，如圖7(b)中的t=10～14時段;儲能在VPP中對于負荷參與到DR中起著很重要的作用，整體上在用電量較高時提供缺額能量支撐(如圖7中上半軸正功率)，在用電量較低時儲存部分電能(如圖7中下半軸負功率)。

從表1可以看出，不同VPP第1階段的內部收益存在較大差別，單獨太陽能 DG供電系統(圖7 (b))的用戶負荷量最小，補償最大，因此內部收益最小;風能與太陽能DG聯合供電系統(圖7(a))對于用戶的補償雖然最小，但由于負荷量小于單獨風能DG供電系統(圖7(c))，故內部收益一般;單獨風能DG供電系統的補償較小，且負荷量最大，因此其內部收益最大;VPP4內部沒有負荷，將直接參與到第2階段交易，故內部收益為0。

從表1可以看出，不同VPP第1階段的內部收益存在較大差別，單獨太陽能 DG供電系統(圖7 (b))的用戶負荷量最小，補償最大，因此內部收益最小;風能與太陽能DG聯合供電系統(圖7(a))對于用戶的補償雖然最小，但由于負荷量小于單獨風能DG供電系統(圖7(c))，故內部收益一般;單獨風能DG供電系統的補償較小，且負荷量最大，因此其內部收益最大;VPP4內部沒有負荷，將直接參與到第2階段交易，故內部收益為0。

下面對VPP的第2階段網間報價策略進行分析，可以分為3種典型情形進行討論。

情形1:選取時刻t=0為研究對象。第1階段后，VPP2剩余負荷量為59.52 MW，VPP3剩余電量為5.76 MW，其他VPP無剩余電量和負荷量情況。因此，交易的電量最大值為5.76 MW，設買方電量的價值為288.45元/(MW · h)，賣 方 電 量 價 值 為201.78元/(MW·h)，因Ct∈［0，1］，Vt∈［0，1］，將雙方電量價值按照折算因子0.903折算到(0，1)區間，可得=0.65元/(kW·h)，=0.66元/(kW·h)，可知，買賣雙方符合交易成交條件，直接交易，δ=0.5，第2階段t=0時刻的最終交易價格為=0.65元/(kW·h)。

情形2:選取時刻t=1為研究對象。第1階段后，VPP2多余負荷量為60.5 MW，VPP3多余電量為7.65 MW。其他VPP無剩余電量和負荷量情況。因此，交易的電量最大值為7.65 MW。設買方電量價值為 254.32元/(MW·h)，賣方電量價值為229.67元/(MW·h)，可得元/(kW·h)，=0.59元/(kW·h)。因為，買賣雙方不滿足交易條件，進入序貫談判報價階段，雙方都希望通過交易獲利，對其期望的最大收益做出讓步，假設買賣雙方都通過對自身報價設定降價為0.995，賣方的要價變更為=0.642元/(kW·h)，同理買方的出價變更為=0.648元/ (kW·h)，計算結果滿足交易要求，表明雙方在第2輪競價談判中達成交易，若在第2輪競價仍不能滿足交易要求進入第3輪競價，直到交易達成或終止。此時雙方交易的最終電價為=0.645元/(kW·h)。

情形3:選取t=11為研究對象。第1階段后，VPP1剩余電量為75.66 MW，VPP2剩余電量為8.92 MW，VPP3剩余電量為2.15 MW，VPP4電量為98 MW。此時對于VPP集群，不存在負荷用電情況，此時無法達成交易條件，對于這種特殊情況，多余電量直接同外部電力市場進行交易。

其他時段的情況屬于上述3種情形之一，這里不再贅述。對于第2階段的報價情況如圖8所示。可以看出，在10:00－14:00未出現VPP網間報價情況，在優化過程中，可以看出這種情況同情形3所描述的一樣，每個VPP供電都存在盈余情況，此時多余的電量將直接同外部電力市場進行交易。

圖8 虛擬發電廠的網間第2階段報價Fig.8 ThesecondstageofferbetweennetworksofVPPs

4 結論

本文研究了由太陽能DG、風能DG、負荷以及儲能構成的VPP模型，并將多VPP進行互聯，在滿足內部供需基礎上，將盈余電量在VPP之間共享。針對所述的VPP模型，提出適合VPP運行模型，并建立收益函數，為VPP和內部負荷確定合理供用電方案，實現經濟效益的最大化;在本文所提的VPP模型中僅依靠太陽能DG為負荷供電，不能很好地體現其效益價值，應配合其他能源供給形式;同時當VPP僅有DG，而沒有用電負荷時，只能參與VPP集群或電力市場交易，也不能體現其經濟價值，需對供用電雙方進行合理配置來組成VPP。本文的工作為制定多個VPP交易下的發用電計劃提供了參考，同時對于VPP的多階段市場交易方法處于初期探究階段，文中很多情況下假設趨于理想，并未計入儲能充放電運行成本，將在后期的VPP交易方法研究中不斷完善。

［1］REN21．Renew able energy policy netw ork for the 21stcentury［R］．Paris，France:REN21，2013．

［2］范松麗，艾芊，賀興．基于機會約束規劃的虛擬電廠調度風險分析［J］．中國電機工程學報，2015，16(35):4025-4034．FAN Songli，AIQian，HE Xing．Risk analysis on dispatch of virtual pow er plant based on chance constrained programming［J］．Proceedings of the CSEE，2015，16(35):4025-4034．

［3］YUE Xiang，LIU Junyong，LI Furong，et al．Optimal active distribution network planning:A review［J］．Electric Pow er Components and Systems，2016，44(10):1075-1094．

［4］ASMUS P．Microgrids，virtual pow er plants and our distributed energy future［J］．The Electricity Journal，2010，23(10):72-82．

［5］MASHHOUR E，MOGHADDAS-TAFRESHIS M．Bidding strategy of virtual power plantfor participating in energy and spinning reserve markets—Part II:Numerical analysis［J］．IEEE Transactions on Smart Grid，2011，26(2):949-956．

［6］余爽，衛志農，孫國強，等．考慮不確定性因素的虛擬電廠競標模型［J］．電力系統自動化，2014，38(22):43-49．YU Shuang，WEI Zhinong，SUN Guoqiang，et al．Abidding model for a virtual pow er plant considering uncertainties［J］．Automation of Electric Pow er Systems，2014，38(22):43-49．

［7］楊甲甲，趙俊華，文福栓，等．含電動汽車和風電機組的虛擬發電廠競價策略［J］．電力系統自動化，2014，13:92-102．YANG Jiajia，ZHAO Junhua，WEN Fushuan，et al．Development of bidding strategies for virtual pow er plants considering uncertain outputs from plug in electric vehicles and w ind generators［J］．Automation of Electric Power Systems，2014，13:92-102．

［8］XIA Yuhang，LIU Junyong．Optimal scheduling of virtual power plant w ith risk management［J］．Journal of Pow er Technologies，2016，96(1):1-8．

［9］CHAI B，Chen J，Yang Z，et al．Demand response management w ith multiple utility companies:A tw o-level game approach［J］．IEEE Transaction on Smart Grid，2014，5(2):722-731．

［10］ASMUS P．Microgrids，virtual power plants and our distributed energy future［J］．The Electricity Journal，2010，23(10):72-82．

［11］田世明，欒文鵬，張東霞，等．能源互聯網技術形態與關鍵技術［J］．中國電機工程學報，2015，14(35):3482-3494．TIAN Shiming，LUAN Wenpeng，ZHANG Dongxia，et al．Technical forms and key technologies on energy internet［J］．Proceedings of the CSEE，2015，14(35):3482-3494．

［12］衛志農，余爽，孫國強，等．虛擬電廠歐洲研究項目述評［J］．電力系統自動化，2013，21(37):196-202．WEI Zhinong，YU Shuang，SUN Guoqiang，et al．Review on European research projects of virtual power plant［J］．Automation of Electric Pow er Systems，2013，21(37):196-202．

［13］張濤，張福興，張彥．面向能源互聯網的能量管理系統研究［J］．電網技術，2016，40(1):146-155．ZHANG Tao，ZHANG Fuxing，ZHANG Yan．Study on energy management system of Energy Internet［J］．Power System Technology，2016，40(1):146-155．

［14］US Department of Energy．Benefits of demand response in electricity and recommendations for achieving them:A report to the united states congress pursuant to section 1252 of Energy Policy Act of200［EB/OL］．(2007-05-21)［2017-02-13］．http://w w w．oe．energy．gov/Documents and Media/congress_1252d．pdf．

［15］張坤，毛承雄，謝俊文，等．風電場復合儲能系統容量配置優化設計［J］．中國電機工程學報，2012，32(25):79-87．ZHANG Kun，MAO Chengxiong，XIE Junwen，et al．Optimal design of hybrid energy storage system capacity for w ind farm［J］．Procedings of the CSEE，2012，32(25):79-87．

［16］康重慶，夏清，張伯明．電力系統負荷預測研究綜述與發展方法的探討［J］．電力系統自動化，2004，28(17):1-11． KANG Chongqing，XIA Qing，ZHANG Boming．Review of power system load forecasting and its development［J］．Automation of Electric Pow er Systems，2004，28(17):1-11

［17］董文略，王群，楊莉．含風光水的虛擬電廠與配電公司協調調度模型［J］．電力系統自動化，2015，39(9):75-81 DONG Wenlue，WANG Qun，YANG Li．A coordinated dispatching model for a distribution utility and virtual pow er plants w ith wind/photovoltaic/hydro generators［J］．Automation of Electric Power Systems，2015，39(9):75-81．

(編輯 張媛媛)

Multi-Stage Market Transaction Method with Participation of Virtual Power Plants

LIU Jichun1，TANG Hu1，XIANG Yue1，LIU Junyong1，ZHANG Lingzhu2

(1.School of Electrical Engineering and Information，Sichuan University，Chengdu 610065，China; 2.State Grid Ningxia Electric Power Eco-tech Research Institute，Yinchuan 750000，China)

With the development of smart grid，distributed generations(DGs)are widely integrated into the power system．However，the single DG represented by wind energy or solar energy is not visible to the large power grid，and there are many unfavorable factors in the power market trading．Considering the impacts of multi-energies，this paper constructs virtual power plant(VPP)model，which includes the DG，electricity load and energy storage system．The VPPs are connected with each other，aiming to meeteach demand inside VPP while sharing the additional power between VPP aggregates to realize multi-stage markets trading．The proposed method is set based on maximizing the benefits inside the VPP and between networks to adopt renewable energy as much as possible，in which the demand response strategy(DR)is considered．Based on the trading method，the scientific electricity plan for each utility inside the VPP can be obtained，so as the reasonable bidding strategies between networks，which can provide reference for healthy and flexible operation and trading of VPP．

virtual power plant(VPP);distributed generation(DG);aggregates;demand response(DR);bidding strategies;transaction method

TM 73

A

1000－7229(2017)03－0137－08

10.3969/j．issn.1000－7229.2017.03.019

2016-12-28

劉繼春(1975)，男，博士，教授，主要研究方向為電力系統經濟分析及電力市場;

唐虎(1990)，男，碩士，主要研究方向為電力系統調度自動化及電力市場;

向月(1987)，男，博士，副研究員，本文通信作者，主要研究方向為電力系統規劃與優化運行;

劉俊勇(1963)，男，教授，博士生導師，主要研究方向為電力市場、電力系統穩定與控制、分布式發電及智能電網;

張鈴珠(1988)，女，碩士，主要研究方向為電力系統調度自動化。

國家高技術研究發展計劃項目(2014AA051901);四川大學引進人才科研啟動項目(1082204112089)

Project supported by National High Technology Research and Development Program of China(2014AA051901)